TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair

TopoEdge es un marco de trabajo agencial desplegable en el borde que genera y repara configuraciones de redes definidas por software (SDN) mediante la representación de topologías como grafos, la recuperación de referencias validadas y un ciclo iterativo de generación, verificación y reparación coordinado por agentes especializados.

Lo esencial

Imagina que gestionar una red de computadoras es como dirigir una orquesta gigante. Cada instrumento (router, switch) debe tocar su parte perfecta y sincronizarse con los demás. Si un músico cambia su partitura o se le olvida un compás, toda la sinfonía puede sonar mal, y encontrar el error es como buscar una aguja en un pajar.

El problema es que las redes cambian constantemente (nuevos músicos, nuevas salas), y los ingenieros a menudo tienen que escribir el código de configuración desde cero cada vez, lo cual es lento y propenso a errores. Además, por razones de seguridad y privacidad, muchas empresas no quieren enviar estos datos a la "nube" (servidores lejanos), sino procesarlos en el lugar mismo (en el "borde" o edge), usando equipos pequeños y limitados.

Aquí es donde entra TopoEdge, una solución inteligente que actúa como un director de orquesta asistido por un asistente muy listo.

¿Qué hace TopoEdge? (La Analogía del "Libro de Recetas")

Imagina que tienes que cocinar un plato complejo para una cena especial, pero nunca lo has hecho antes. En lugar de adivinar los ingredientes, haces lo siguiente:

1. Buscas una receta similar (TopoRAG): TopoEdge mira la estructura de tu red (la "topología", que es cómo están conectados los dispositivos) y la compara con una enorme biblioteca de configuraciones que ya funcionaron perfectamente en el pasado.

   • La magia: No busca solo palabras clave, sino que entiende la "forma" de la red. Es como si un chef mirara la forma de tu cocina y te dijera: "¡Ah! Esta cocina se parece mucho a la que usamos para hacer la lasagna del año pasado. Usemos esa receta como base".
   • Esto se llama TopoRAG: un sistema que recupera la "receta" (configuración) más parecida y verificada para tu situación actual.

2. El Equipo de Tres Personas (Agentes IA): Una vez que tienen la receta base, TopoEdge no lo hace todo con un solo cerebro. Usa un equipo de tres "agentes" (programas de IA) que trabajan juntos, como un equipo de reparación de coches:

   • El Planificador: Mira el coche (tu red) y dice: "Necesitamos cambiar el motor, pero mantengamos las ruedas". Crea un plano de qué cambiar y qué dejar igual.
   • El Generador: Es el mecánico que escribe el código real (las instrucciones para los dispositivos) basándose en el plano.
   • El Verificador: Es el inspector de calidad. Ejecuta el código en una simulación (como un banco de pruebas) para ver si el coche arranca. Si falla, no solo dice "falló", sino que identifica exactamente qué tornillo está suelto y le dice al Generador cómo apretarlo.

3. El Ciclo de "Probar-Corregir": Si el Verificador encuentra un error, el equipo no se rinde. El Generador recibe la nota de corrección, arregla el código y vuelven a probar. Esto se repite hasta que todo funciona perfectamente.

¿Por qué es especial? (Trabajando en un "Gimnasio Pequeño")

La mayoría de las inteligencias artificiales potentes necesitan superordenadores gigantes (como los de Google o Amazon) para funcionar. Pero TopoEdge está diseñado para funcionar en hardware pequeño y barato (como una Raspberry Pi), que es lo que muchas empresas tienen en sus oficinas locales.

Para lograr esto sin perder calidad, usa dos trucos inteligentes:

• Presupuesto Inteligente: Si la red es sencilla, el sistema no gasta tiempo ni energía en pensar demasiado. Si es compleja, le da más "tiempo de pensamiento" (iteraciones) para resolverlo.
• Reglas Estrictas: Al escribir el código, el sistema está "atado de manos" para no inventar cosas que no existen. Solo puede usar comandos que sabe que son válidos, evitando errores tontos de sintaxis.

Los Resultados: ¿Funciona?

Los autores probaron este sistema con 200 casos difíciles de redes.

• Sin la ayuda de la "receta" (TopoRAG): El sistema fallaba mucho (solo acertaba el 55% de las veces). Era como intentar cocinar sin mirar la receta.
• Con TopoEdge: Acertó el 89% de las veces.
• Comparación: Casi igualó a un sistema centralizado gigante (el 93%), pero sin necesidad de enviar datos a la nube y usando equipos pequeños.

En resumen

TopoEdge es como tener un mecánico experto que vive en tu garaje. En lugar de enviar tu coche a una fábrica lejana para que lo arreglen, este mecánico:

1. Mira tu coche y busca en su memoria un coche similar que ya arregló con éxito.
2. Usa ese conocimiento para crear un plan.
3. Prueba el arreglo, y si algo falla, lo corrige rápidamente sobre la marcha.
4. Todo esto lo hace rápido, barato y sin que nadie sepa qué hay dentro de tu coche (privacidad).

Es una forma de hacer que la inteligencia artificial sea útil, segura y accesible para las redes de computadoras del mundo real, incluso cuando los recursos son limitados.

Resumen técnico

Resumen Técnico: TopoEdge

1. El Problema

La configuración de redes definidas por software (SDN) es inherentemente frágil ante variaciones en la topología de la red. Pequeños errores en la lógica de configuración pueden derivar en fallos semánticos silenciosos difíciles de diagnosticar.

• Limitaciones actuales: Las herramientas de automatización existentes suelen carecer de conciencia topológica explícita y no cierran el ciclo con retroalimentación de ejecución real.
• Restricciones operativas: Muchos operadores prefieren la inferencia on-site (en el lugar) por razones de privacidad, seguridad y costo, lo que impide el uso de modelos de lenguaje grandes (LLM) centralizados y requiere soluciones que funcionen con modelos pequeños en hardware de borde con recursos limitados.
• Desafío principal: Generar y reparar artefactos de configuración de SDN que sean consistentes con la topología, utilizando modelos ligeros en el borde, sin sacrificar la precisión ni la capacidad de recuperación ante errores.

2. Metodología

TopoEdge es un marco de trabajo basado en agentes distribuidos que combina la recuperación aumentada por topología con un bucle de generación-verificación-reparación.

A. TopoRAG (Retrieval-Augmented Generation Grounded in Topology)

• Representación: Cada topología objetivo se representa como un grafo a nivel de enrutadores.
• Codificación: Se utiliza una Red Neuronal de Grafos (GNN) específica, una Red de Convolución de Grafos (GCN) de tres capas, entrenada de forma auto-supervisada mediante aprendizaje contrastivo.
• Recuperación: El sistema codifica la topología objetivo y realiza una búsqueda de vecinos más cercanos (cosine nearest-neighbour) en un conjunto de referencia de casos verificados.
• Contexto: Se recupera un caso de referencia verificado junto con su "driver" ejecutable (script Python/pytest) para servir como ancla estructural y semántica.

B. Bucle Agente Generar-Verificar-Reparar
El sistema despliega un modelo LLM cuantizado (Llama-3.1-8B) en un clúster de borde, dividido en tres agentes especializados que comparten pesos pero tienen roles distintos:

1. Agente de Planificación: Genera un plan de configuración consistente con la topología y un "esqueleto" por dispositivo.
2. Agente de Generación: Materializa los artefactos ejecutables (configuraciones de dispositivos y el driver Python) basándose en el plan y el contexto TopoRAG.
3. Agente de Verificación: Ejecuta el entorno de pruebas FRRouting Topotest/pytest, comprime los fallos en trazas concisas y emite directivas de parche localizadas para la reparación iterativa.

C. Controladores de Eficiencia para el Borde
Para garantizar la viabilidad en hardware restringido, se implementan dos controladores ligeros:

• Controlador de Presupuesto de Inferencia Adaptativo: Estima la dificultad del caso (basado en similitud topológica y complejidad del grafo) para asignar límites de tokens e iteraciones. Los casos difíciles reciben más recursos; los fáciles, menos.
• Decodificación Restringida (Constrained Decoding): Limita el vocabulario del Agente de Generación a parámetros válidos del esquema y comandos permitidos, evitando la generación de sintaxis inválida y reduciendo el desperdicio de iteraciones.

3. Contribuciones Clave

1. TopoRAG: Un módulo de recuperación consciente de la topología que alinea la similitud estructural de grafos de topología con drivers de SDN verificados, proporcionando un prior estructural transferible para la generación.
2. Marco Agente Desplegable en el Borde (TopoEdge): Un sistema que integra TopoRAG con un bucle de reparación centrado en la ejecución, diseñado específicamente para funcionar bajo restricciones de recursos en hardware de borde.
3. Validación Empírica: Demostración de que la recuperación basada en topología y la reparación iterativa pueden cerrar la brecha de rendimiento entre modelos pequeños en el borde y modelos centralizados masivos.

4. Resultados

El sistema se evaluó en un conjunto de 200 casos de prueba (Topotest) no vistos, comparándose con dos líneas base:

• Sin TopoRAG (No-TopoRAG): Mismo despliegue en el borde pero sin recuperación de topología.
• Central-LLM: Uso de un modelo centralizado potente (Claude Code) con el mismo contexto TopoRAG.

Métricas Principales (Pass@20 - Tasa de éxito en 20 iteraciones):

• TopoEdge: 0.890 (178 de 200 casos).
• No-TopoRAG: 0.550 (110 de 200 casos).
• Central-LLM: 0.930 (186 de 200 casos).

Análisis de Eficiencia:

• TopoEdge converge más rápido que No-TopoRAG, requiriendo un promedio de 7.8 iteraciones para pasar, frente a 13.3 en el caso sin recuperación.
• La decodificación restringida y los presupuestos adaptativos reducen significativamente el número de artefactos inválidos y el tiempo de ejecución en comparación con enfoques no controlados.
• La brecha entre TopoEdge (borde) y Central-LLM es mínima (0.04), lo que sugiere que la calidad de la recuperación y el bucle de reparación son tan críticos como la capacidad bruta del modelo.

5. Significado e Impacto

• Robustez Topológica: El estudio demuestra que la topología es una señal estable y crítica para transferir patrones de configuración. Ignorar la estructura del grafo de red degrada drásticamente el rendimiento de los LLM.
• Viabilidad del Edge AI: TopoEdge valida que es posible ejecutar flujos de trabajo complejos de ingeniería de software (generación y reparación de código de red) en hardware de borde limitado (ej. Raspberry Pi) sin depender de la nube, manteniendo altos estándares de precisión.
• Cierre de la Brecha de Rendimiento: El marco demuestra que, con las técnicas adecuadas de recuperación (TopoRAG) y verificación ejecutiva, los modelos pequeños pueden alcanzar un rendimiento cercano al de los modelos centralizados más grandes, ofreciendo una solución escalable, privada y segura para la automatización de redes.

En conclusión, TopoEdge representa un avance significativo hacia la automatización autónoma y resiliente de redes SDN, priorizando la consistencia estructural y la eficiencia operativa en entornos de borde.